《表3 最小诊断规则：融合粗糙集与灰色模型的道岔故障预测》
提示：宽带有限、当前游客访问压缩模式
分别去掉c1-c15，对比发现，去掉其中某些条件属性会对诊断结果有影响，根据粗糙集规则简化方法，可得最小诊断规则如表3所示。
| 图表编号 | XD00102329100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.01 |
| 作者 | 张友鹏、江雪莹、赵斌 |
| 绘制单位 | 兰州交通大学自动化与电气工程学院、兰州交通大学自动化与电气工程学院、兰州交通大学自动化与电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 故障类别表：基于CNN特征提取及模型融合的飞机液压系统故障诊断》2020.10.20
- 《表3 最小故障决策矩阵：基于改进的粗糙集理论与贝叶斯网络的变压器设备故障诊断模型》2021.02.20
- 《表2 约简后指标体系：基于粗糙集融合最小二乘支持向量机的煤矿安全预警模型》2020.06.15
- 《表2 诊断准确率：基于CNN-GRU模型的道岔故障诊断算法研究》2020.07.15
- 《表3 训练时间：基于CNN-GRU模型的道岔故障诊断算法研究》2020.07.15
- 《表2 最小决策表：基于粗糙集-RBF神经网络的采煤机液压泵故障诊断》2020.06.01
- 《表5 预测错误率：基于Mallat小波分解与改进GWO-SVM的道岔故障诊断》2020.05.01
- 《表4 决策最小简约表：基于粗糙集理论和因果图的故障诊断》2020.03.25
- 《表1 故障诊断规则表：列车供电系统接地绝缘故障实时诊断与预测》2020.08.05
- 《表3-1轴承主要参数：基于最小熵解卷积与谱峭度融合的变速器轴承故障诊断》2019.11.01
- 《表4 模糊规则表：改进动态因果图与模糊推理融合故障诊断方法》2020.02.01
- 《表4 模型预测精度比较：基于邻域粗糙集与支持向量机的射频识别系统识别率预测》2019.12.01
- 《表5 故障预测数据结果：融合粗糙集与灰色模型的道岔故障预测》2019.09.01
- 《表6 早期故障诊断：融合粗糙集与灰色模型的道岔故障预测》2019.09.01
- 《表7 实例分析表：融合粗糙集与灰色模型的道岔故障预测》2019.09.01
- 《表1 常见故障：融合粗糙集与灰色模型的道岔故障预测》2019.09.01
- 《表2 决策表：融合粗糙集与灰色模型的道岔故障预测》2019.09.01
- 《表1 原始决策信息表：基于粗糙集与粒子群神经网络的变压器故障诊断》2018.04.01
- 《表2 测试样本集：基于邻域粗糙集与多核支持向量机的变压器多级故障诊断》2018.11.30
- 《表1 气体体积比值：基于邻域粗糙集与多核支持向量机的变压器多级故障诊断》2018.11.30